دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Stéphane Jaffard, Yves Meyer, Robert D. Ryan سری: ISBN (شابک) : 0898714486 ناشر: Siam سال نشر: 2001 تعداد صفحات: [255] زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 Mb
در صورت تبدیل فایل کتاب Wavelets. Tools for Science & Technology به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب موجک ها ابزارهای علم و فناوری نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این بهروزرسانی مدتها انتظار موجکهای مایر: الگوریتمها و کاربردها شامل فصلهای کاملاً جدیدی در چهار موضوع است: موجکها و مطالعه آشفتگی، موجکها و فراکتالها (که شامل تجزیه و تحلیل تابع غیرقابل تمایز ریمان است)، فشردهسازی دادهها و موجکها در نجوم. فصل فشردهسازی دادهها انگیزه اصلی این ویرایش اصلاحشده بود و حاوی اطلاعات بهروز در مورد تعامل بین موجکها و تقریب غیرخطی است. فصول دیگر با نظرات، ارجاعات، یادداشت های تاریخی و مطالب جدید بازنویسی شده است. چهار ضمیمه اضافه شده است: یک آغازگر در مورد فیلترها، نتایج کلیدی (با اثبات) در مورد تبدیل موجک، یک بحث کامل از یک مثال متقابل برای حدس Marr-Malat در مورد تلاقی صفر، و یک مقدمه کوتاه بر فضاهای H?lder و Besov. . علاوه بر این، تمام ارقام دوباره ترسیم شده اند و مراجع به فهرستی جامع از بیش از 260 مدخل گسترش یافته است. این کتاب شامل چندین نتیجه جدید است که در جای دیگر ظاهر نشده است.
This long-awaited update of Meyer's Wavelets: Algorithms and Applications includes completely new chapters on four topics: wavelets and the study of turbulence, wavelets and fractals (which includes an analysis of Riemann's nondifferentiable function), data compression, and wavelets in astronomy. The chapter on data compression was the original motivation for this revised edition, and it contains up-to-date information on the interplay between wavelets and nonlinear approximation. The other chapters have been rewritten with comments, references, historical notes, and new material. Four appendices have been added: a primer on filters, key results (with proofs) about the wavelet transform, a complete discussion of a counterexample to the Marr-Mallat conjecture on zero-crossings, and a brief introduction to H?lder and Besov spaces. In addition, all of the figures have been redrawn, and the references have been expanded to a comprehensive list of over 260 entries. The book includes several new results that have not appeared elsewhere.
Title page Preface to Revised Edition Preface from the First Edition Chapter 1. Signals and Wavelets 1.1 What is a signal? 1.2 The language and goals of signal and image proccssing 1.3 Stationary signals, transient signals, and adaptive coding 1.4 Grossmann Morlet time-scale wavelets 1.5 Time-frequcncy wavelets from Gabor to Malvar and Wilson 1.6 Optimal algorithms in signal processing 1.7 Optimal representation according to Marr 1.8 Terminology 1.9 Reader's guide Chapter 2. Wavelets from a Historical Perspective 2.1 Introduction 2.2 From Fourier (1807) to Haar (1909), frequency analysis becomcs scale analysis 2.3 New directions of the 1930s: Paul Lévy and Brownian motion 2.4 New directions of the 1930s: Littlewood and Paley 2.5 New directions of the 1930s: The Franklin system 2.6 New directions of the 1930s: The wavelets of Lusin 2.7 Atomic decompositions from 1960 to 1980 2.8 Strömberg's wavelets 2.9 A first synthesis: Wavelet analysis 2.10 The advent of signal processing 2.11 Conclusions Chapter 3. Quadrature Mirror Filters 3.1 Introduction 3.2 Subband coding: The case of ideal filters 3.3 Quadrature mirror filters 3.4 Trend and fluctuation 3.5 The time-scale algorithm of Mallat and the time-frequency algorithm of Galand 3.6 Trends and fluctuations with orthonormal wavelet bases 3.7 Convergence to wavelets 3.8 The wavelets of Daubechies 3.9 Conclusions Chapter 4. Pyramid Algorithms for Numerical Image Processing 4.1 Introduction 4.2 The pyramid algorithms of Burt and Adelson 4.3 Examples of pyramid algorithms 4.4 Pyramid algorithms and image compression 4.5 Pyramid algorithms and multiresolution analysis 4.6 The orthogonal pyramids and wavelets 4.7 Biorthogonal wavelets Chapter 5. Time-Frequency Analysis for Signal Processing 5.1 Introduction 5.2 The collections Ω of time-frequency atoms 5.3 Mallat's matching pursuit algorithm 5.4 Best-basis search 5.5 The Wigner-Ville transforrn 5.6 Properties of the Wigner-Ville transform 5.7 The Wigner-Ville transform and pseudodifferential calculus 5.8 Return to the definition of time-frequency atoms 5.9 The Wigner Ville transform and instantaneous frequency 5.10 The Wigner Ville transforrn of asyrnptotic signals 5.11 Instantaneous frequency and the matching pursuit algorithm 5.12 Matching pursuit and the Wigner-Ville transform 5.13 Several spectral lines 5.14 Conclusions 5.15 Historical remarks Chapter 6. Time-Frequency Algorithms Using Malvar-Wilson Wavelets 6.1 Introduction 6.2 Malvar-Wilson wavelets: A historical perspective 6.3 Windows with variable lengths 6.4 Malvar-Wilson wavelets and time-scale wavelets 6.5 Adaptive segmentation and the split-and-merge algorithm 6.6 The entropy of a vector with respect to an orthonormal basis 6.7 The algorithm for finding the optimal Malvar-Wilson basis 6.8 An example where this algorithm works 6.9 The discrete case 6.10 Modulated Malvar-Wilson bases 6.11 Examples 6.12 Conclusions Chapter 7. Time-Frequency Analysis and Wavelet Packets 7.1 Heuristic considerations 7.2 The definition of basic wavelet packets 7.3 General wavelet packets 7.4 Splitting algorithms 7.5 Conclusions Chapter 8. Computer Vision and Human Vision 8.1 Marr's program 8.2 The theory of zero-crossings 8.3 A counterexample to Marr's conjecture 8.4 Mallat's conjecture 8.5 The two-dimensional version of Mallat's algorithm 8.6 Conclusions Chapter 9. Wavelets and Turbulence 9.1 Introduction 9.2 The statistical theory of turbulence and Fourier analysis 9.3 Multifractal probability measures and turbulent flows 9.4 Multifractal modeling of the velocity field 9.5 Coherent structures 9.6 Couder's experiments 9.7 Marie Farge's numerical experiments 9.8 Modeling and detecting chirps in turbulent flows 9.9 Wavelets, paraproducts, and Navier-Stokes equations 9.10 Hausdorff measure and dimension Chapter 10. Wavelets and Multifractal Functions 10.1 Introduction 10.2 The Weierstrass function 10.3 Regular points in an irregular background 10.4 The Riemann function 10.4.1 Hölder regularity at irrationals 10.4.2 Riemann's function near x₀ = 1 10.5 Conclusions and comments Chapter 11. Data Compression and Restoration of Noisy Images 11.1 Introduction 11.2 Nonlinear approximation and sparse wavelet expansions 11.3 Denoising 11.4 Modeling images Il.5 Ridgelets 11.6 Conclusions Chapter 12. Wavelets and Astronomy 12.1 The Hubble Space Telescope and deconvolving its images 12.1.1 The model 12.1.2 Discovering and fixing the problem 12.1.3 IDEA 12.2 Data compression 12.2.1 ht_compress 12.2.2 Smooth restoration 12.2.3 Comments 12.3 The hierarchical organization of the universe 12.3.1 A fractal universe 12.4 Conclusions Appendix A. Filter Fundamentals A.l The l²(Z) theory and definitions A.2 The general two-channel filter bank Appendix B. Wavelet Transforms B.l The L² theory B.2 Inversion formulas B.2.l L² inversion B.2.2 Inversion with the Lusin wavelet B.3 Generalizations Appendix C. A Counterexample C.l Introduction C.2 The function θ C.3 Representations of f₀*θ_ρ and its derivatives C.4 Hunting the zeros of (f₀*θ_ρ)" C.5 The functions R, R*θ_ρ, (R*θ_ρ)', and (R*θ_ρ)" C.6 (R*θ_ρ)" and (R*θ_ρ)' vanish at the zeros of (f\0*θ_ρ)" C.7 The behavior of (R*θ_ρ)" /(f₀*θ_ρ)" C.8 Remarks C.9 A case of perfect reconstruction Appendix D. Hölder Spaces and Besov Spaces D.1 Hölder spaces D.2 Besov spaces D.3 Examples Bibliography Author Index Subject Index